#computer vision

Apple ukazuje, že pri titulkovaní obrázkov nestačí tlačiť len na dĺžku a detail. BalCapRL kombinuje viac cieľov naraz, aby multimodálne modely menej halucinovali a písali použiteľnejšie popisy.

Nová práca sa vracia k téme uncertainty quantification pri konvolučných sieťach. Autori tvrdia, že bootstrap nad convexified neural networks môže ponúknuť konzistentnejší a výpočtovo úspornejší odhad neistoty pre rizikové nasadenia.